缘起
最近Skill是火的一塌糊涂，每个AI群都在聊。
国内外自媒体上也各种解读，科普和教程。俨然一种当年提示词工程出圈的既视感。
火爆是好事儿，说明行业又找到了新的靠ugc来提升模型上限的好方法。
眼看coze推出了skill市场，各个coding Agent也都支持了skill规范。大家争相分享github上开源的skill资源，还有一堆个开弄一堆Awesome skills的仓库赚star和流量，一派欣欣向荣的景象。
因为我一直写skill的认知文章，算法也成天给我推相似的文章。看的多了不免乏味，基本都在分享What和How，没什么洞见。
直到昨天偶然瞄了一眼AI群，看到一位资深算法专家抛出了一个犀利的观点：
“Skill非自建不能用”
刚看到的时候简直想当面击个掌，我自己一直在一线实践skill based agent的创造，对这句话体感太深了。
因为一个真实环境和场景中的有价值的skill，一定是高度定制化的，而不是github和coze市场上拿来即用的东西。
为什么这么说呢？
核心点是三个差异：环境差异，文化差异，流程差异。
01：环境差异
Skills是Agent时代的技术，所以和PE最大的区别就是拥有了执行环境。无论是一个有网络限制、基础软件限制的沙箱（Sandbox），还是你的办公电脑，又或者只是一个树莓派的开发板，这些都叫做环境。
有了环境就决定了Skill的特异性，比如一个【AI竞品动态日报】的Skill，在你的电脑上可以运行的顺畅无阻，但扔到了公司在云上的容器环境中，就发现可能因为容器无法访问公网导致WebSearch工具调用失败。
因此，你从Github上下载下来的SKill安装包，想要部署到公司的服务器上时，就会面临环境适配的问题。
此为其一：环境基础软件和网络环境特异性。
其二是工具，Agent要对环境造成影响，靠的是有可用的工具可以对环境产生副作用。而不同环境对于同一工具的最佳实践也可能截然不同。
譬如，同样一个使用mysql MCP工具查询数据库做数据分析的Skill。在面向不同业务的数据源时，因其数据结构、数据量级等差异，会导致最优查询的路径和SQL约束完全不同。
比如当你只分析几百条数据源的分析任务时，会发现不管怎么造，Agent都可以正常完成查询和推理。但是在大数据量的场景，会发现如果不做约束，随便一个查询就会把上下文给干爆。
因此迫不得已，你就需要对工具和Skills进行改造。
此为其二：环境对于工具使用要求的特异性。
02：文化差异
Skills作为实现Autonomous Agent（自主智能体）的关键技术，必须要进入到场景中才可以发挥和产生价值，尤其是在企业端。
而无论是OPC（一人公司）还是大中小厂，只要是有老板的地方，就会有文化、品味的差异。
而Skill Based Agent的效果好坏，完全取决于这个组织里的文化差异。 所谓文化差异，本质上是评判Agent工作产出好坏的标准的差异。
一个写精美PPT的Skill，在小米，可能会认为是雷布斯式的发布会PPT才是好，因为老板会多关注一秒。而在Cursor这样的公司，则可能用最朴素的样式，最干的内容才是好。
这种评估标准的特异性，会直接传导到Skills的约束上。
实际上就是，我认为的好，才是适合我的。
那么你要做的事情就是，对网络上下载下来的Skill动刀子，或者干脆完全从0开始写。
03：流程差异
这里的流程其实是SOP。同样一个技能，哪怕是像烹饪一道西红柿炒鸡蛋这样的技能，也会因为环境和文化差异，带来是先炒鸡蛋还是先炒西红柿的流程差异。
在企业环境中则更加如此，一个采购审批流程，相信每个同行业的公司，都有自己个性化的流程差异。比如A公司，必须要让身为总裁助理的小姨子审批加签；而B公司则有其他的创造性审批流。
放到其它任何场景，这个差异都是适用的。
而Skill中最为核心的一点就是Workflow。
因为Skill的本质就是SOP，文本化的SOP
你几乎可以在网络上能找到的任何一个Skill中看到Workflow或者工作流程这样的字眼。
我再ACDC2026大会上的分享也抛了这个观点，如下图所示：
而现实场景中，无论C还是B，在解决一个对自己有价值的特定场景问题时，我们都会有自己的个性化流程。
有且只有一种情况没有：你不懂，你不会，你没有判断力
因此，你接下来要干的事情就了然了：改吧！
结语
正因为Agent时代的三种特异性，所以如果你对于Agent执行某项任务的结果是有预期的，有品质追求的，那么恭喜你，你还是自己动手优化吧。
Anthropic推出Skill这项技术规范，其实是站在社区的最佳实践之上的顺势而为。
因为他看到了大语言模型进入到垂直场景和深水区之后的智能缺失，他们急需人类专家在各自引以为傲的场景坚守的经验堡垒可以完全以Skill的形式开放出来，让Agent进入高级副本后不再稚嫩的像一个青铜。
而在背后，这些Skill会悄无声息地下沉到基座模型中，再一次上演苦涩的教训。
